GroundingDINO 项目安装和配置指南

GroundingDINO 项目安装和配置指南

GroundingDINO 论文 'Grounding DINO: 将DINO与基于地面的预训练结合用于开放式目标检测' 的官方实现。 项目地址: https://gitcode.com/gh_mirrors/gr/GroundingDINO

1. 项目基础介绍和主要编程语言

项目基础介绍

GroundingDINO 是一个开源项目，由 IDEA-Research 团队开发，旨在通过将 DINO 与 Grounded Pre-Training 结合，实现开放集对象检测。该项目的主要目标是提供一个高性能、灵活且易于使用的对象检测模型，适用于各种开放集场景。

主要编程语言

该项目主要使用 Python 编程语言进行开发。

2. 项目使用的关键技术和框架

关键技术和框架

• PyTorch: 作为深度学习框架，用于模型的训练和推理。
• DINO: 一种用于开放集对象检测的模型。
• Grounded Pre-Training: 用于增强模型的泛化能力。
• Stable Diffusion: 用于图像编辑。
• GLIGEN: 用于可控图像编辑。

3. 项目安装和配置的准备工作和详细安装步骤

准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 已安装 Python 3.7 或更高版本。
• 已安装 CUDA（如果使用 GPU）。
• 已安装 Git。

详细安装步骤

步骤 1：克隆项目仓库

首先，使用 Git 克隆 GroundingDINO 项目仓库到本地：

git clone https://github.com/IDEA-Research/GroundingDINO.git

步骤 2：进入项目目录

进入克隆下来的项目目录：

cd GroundingDINO

步骤 3：安装依赖

使用 pip 安装项目所需的依赖：

pip install -e .

步骤 4：下载预训练模型权重

创建一个目录用于存放预训练模型权重，并下载权重文件：

mkdir weights
cd weights
wget -q https://github.com/IDEA-Research/GroundingDINO/releases/download/v0.1.0-alpha/groundingdino_swint_ogc.pth
cd ..

步骤 5：配置 CUDA（可选）

如果您使用的是 GPU，请确保 CUDA 环境变量已正确设置。可以通过以下命令检查 CUDA 路径：

echo $CUDA_HOME

如果输出为空，请设置 CUDA 路径：

export CUDA_HOME=/path/to/cuda

将 /path/to/cuda 替换为您的 CUDA 安装路径。

步骤 6：运行示例代码

使用以下命令运行示例代码进行推理：

CUDA_VISIBLE_DEVICES=[GPU ID] python demo/inference_on_a_image.py \
  -c groundingdino/config/GroundingDINO_SwinT_OGC.py \
  -p weights/groundingdino_swint_ogc.pth \
  -i image_you_want_to_detect.jpg \
  -o "dir you want to save the output" \
  -t "chair"

将 [GPU ID] 替换为您的 GPU ID，image_you_want_to_detect.jpg 替换为您要检测的图像路径，"dir you want to save the output" 替换为您希望保存输出结果的目录路径。

注意事项

• 如果您的系统没有 GPU，可以在命令中添加 --cpu-only 选项以在 CPU 上运行。
• 确保所有安装步骤严格按照顺序执行，以避免出现 NameError: name '_C' is not defined 等错误。

通过以上步骤，您应该能够成功安装和配置 GroundingDINO 项目，并开始使用其进行开放集对象检测。

GroundingDINO 论文 'Grounding DINO: 将DINO与基于地面的预训练结合用于开放式目标检测' 的官方实现。 项目地址: https://gitcode.com/gh_mirrors/gr/GroundingDINO